Single Cell Analysis and Sorting of Aspergillus fumigatus by Flow Cytometry
Notice bibliographique
Résumé
Experimental results in fungal biology research are usually obtained as average measurements across whole populations of cells, whilst ignoring what is happening at the single cell level. Microscopy has allowed us to study single-cell behavior, but it has low throughput and cannot be used to select individual cells for downstream experiments. Here we present a method that allows for the analysis and selection of single fungal cells in high throughput by flow cytometry and fluorescence activated cell sorting (FACS), respectively. This protocol can be adapted for every fungal species that produces cells of up to 70 microns in diameter. After initial setting of the flow cytometry gates, which takes a single day, accurate single cell analysis and sorting can be performed. This method yields a throughput of thousands of cells per second. Selected cells can be subjected to downstream experiments to study single-cell behavior., [摘要]真菌生物学研究的实验结果通常作为对整个细胞群体的平均测量而获得，而忽略了单个细胞水平上发生的事情。显微镜让我们来研究单-细胞的行为，但它具有低吞吐量，并且不能被用来选择单个细胞下游实验。在这里，我们提出一种方法，可以通过流式细胞术和荧光激活细胞分选（FACS）分别以高通量分析和选择单个真菌细胞。这个协议可以适于产生最多的细胞至70个微米每真菌物种小号在直径上。在流式细胞仪门的初始设置（需要一天的时间）之后，可以执行准确的单细胞分析和分选。此方法每秒产生数千个单元的吞吐量。所选单元格可进行下游实验来研究单-细胞的行为。[背景]真菌生物学的研究经常被DEPE ň凹痕对细胞总人口的平均测量，从而错过了什么是在单个细胞水平上发生的事情。对于丝状真菌来说，情况尤其如此，因为菌丝会通过根尖的延伸而生长，并在根尖下分支，并可能与邻近的菌丝融合。在菌丝的相互连接，缠绕的质量这种行为的结果，殖民地，这使得它具有挑战性的研究单-细胞的行为。因此，在单电池的最研究具有焦点版上非重叠菌丝正在使用显微镜位于菌落余量（Vinck等人，2005。和2011; Bleichrodt等人。，2012和2015）。由于菌丝附着在菌落上，因此使用图像分析对菌丝进行分割具有挑战性。在这里，我们开发了一种流式细胞仪协议来分析和选择的单细胞通过高p UT。该协议适用于例如分析孢子的萌发；荧光转化子的选择; 米的最小值：我nhibitory Ç oncentration （MIC）试验。为单细胞组学方法获得细胞；鉴定细胞的异质亚群；细胞聚集试验，可能与研究发酵罐沉淀形成的初始阶段有关；以及分析和选择任何小于70微米的荧光标记细胞靶标（无论是染色的还是基因编码的）（Bleichrodt and Read，2019）。
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».